犯罪情报分析中的数据挖掘应用

本文基于公安业务中的治安防控原理,构建了面向情报分析和决策指挥的犯罪情报数据挖掘框架.首先,对案事件数据库进行预处理和空间编码的基础上得到标准化的案件信息数据,随后,利用聚类分析、关联分析和分类分析中的相关方法可得到治安案件的时空风险、重点人特征和作案手段特征等信息.通过对北京市实际盗窃案件数据进行挖掘,证明了数据挖掘技术能够很好的应用于犯罪情报的分析.

城市居住小区盗窃犯罪的影响要素分析——以北京市某区20个居住小区为例

居住小区是城市结构的基本组成单元之一,居住小区的安全防范与治理对于社区多发性侵财类案件的防控具有十分重要的意义。当前关于居住小区侵财类案件关联要素的分析大多集中于从区域结构和受害角度的犯罪成因研究,没有考虑到犯罪形成过程中控制性因素的影响。为研究居住小区侵财类案件的综合因素的影响性,以北京市门头沟区的20个居住小区为例,利用环境犯罪学理论,从犯罪人要素、犯罪目标要素和防范要素等角度抽取了各居住小区的人员、环境和防范设施等基础要素数据,运用计量分析方法对影响居住小区盗窃类犯罪的各类要素进行分析的结果表明:居住小区内的大专以上学历的居民比例、出入口数量以及机动车和非机动车是否集中停放与小区盗窃类案件的发生具有显著正相关性,而防盗门窗的覆盖率、门禁覆盖率以及视频监控的覆盖率等技防和物防设施则与盗窃类案件的发生呈显著负相关。

社区治安案件与社区人口特征的关系研究

从实证研究的角度,分析了北京市某派出所辖区内的人口特征变量对社区治安案件发案率的影响性。其中社区人口特征考虑了属地、年龄、收入、学历等属性。分析结果表明,社区治安案件的发案率与社区低保人口、前科人员以及高学历人口具有显著的相关性。该结论反映出在社区层面上人口的特征变量对治安案件的影响机制与一般意义上的人口与犯罪活动关系是不同的,而要进一步提高社区人口变量对社区治安案件的解释性,还需要在现有人口特征变量的基础上考虑社区人口的动态特征。

基于时间序列模型的110警情数据预测研究

针对廊坊地区的110警情中的治安案件天时间序列数据,分别采用ARIMA模型和指数平滑模型进行了建模分析。分析结果表明该数据序列服从ARIMA(4,1,1)模型和α=0.1的指数平滑模型。从数据序列的拟合效果来看,ARIMA模型能够较好地反映出治安案件变化的短期趋势和随机波动性特征,并且在拟合残差的统计方面要明显优于指数平滑模型,因此,ARIMA模型更适用于犯罪活动的短期预测分析。

反恐背景下的个人特征数据构成与涉恐个体的挖掘分析

[目的/意义]随着社会数据感知能力的提升,围绕着个人数据已经形成了十分庞大的数据体系,利用个人数据用于反恐情报分析已经成为目前关注的焦点。[方法/过程]从数据的来源性角度对个人的特征数据构成进行了分析,研究了不同类型特征数据之间的逻辑关系,并基于个人特征数据研究了涉恐个体的数据挖掘和预警分析。[结果/结论]将个人特征数据按照身份、行为和关系三个维度进行了梳理,提出了面向反恐的个人特征数据集合,并构建了基于个人特征数据的涉恐主体挖掘分析和预警分析架构。

融合静态属性和动态轨迹的盗窃前科人员分类研究

以往犯罪前科人员分类研究,通常基于历史犯罪信息中的静态属性信息,而忽略了对动态轨迹信息的利用,且缺乏专门针对盗窃前科人员再犯罪风险预测的研究.基于上述以往研究的不足,本文研究融合静态属性和动态轨迹的盗窃前科人员初犯/累犯分类.构建了融合静态属性和动态轨迹的长时间跨度盗窃前科人员分类数据集,然后探索和对比多种不同类型机器学习模型在该数据集上对盗窃前科人员的分类性能,提炼出与盗窃前科人员分类最相关的特征;基于上述分析结果,提出基于加权关联规则的盗窃犯罪人员预警模型.本文的相关研究成果可以应用于盗窃犯罪的预警工作中,对犯罪打击和安全防范工作具有一定的现实意义.

基于准时供货的企业生产管理模式研究——以某文具用品公司为例

企业采取基于准时供货的生产管理模式能有效地应对市场需求。本文以某文具用品公司为例,对其生产管理模式进行研究,从原材料、在制品、成品库存等层面展开分析,提出相应的改进措施。

基于社会网络分析的犯罪人团伙地域关系研究

社会网络分析已经成为了刑事案件侦查与犯罪组织分析的重要工具之一。通过分析北京市2013年盗窃案件的团伙犯罪数据,以犯罪人的地域来源作为节点,犯罪人之间的团伙关系作为连接关系,建立了犯罪人地域关系网络,并利用社会网络分析中的中心度分析与凝聚子群分析方法研究了该网络的基本特征。研究表明,犯罪人团伙的来源具有多地域性的特点,其中来自少数地域的犯罪人在犯罪团伙的组织和构成上起到了主导性作用。该研究对于流动人口有组织犯罪的理论分析与案件防控具有一定的指导意义。

入室盗窃犯罪时段分布特征分析

在犯罪时间分析中,时段分析由于颗粒度较小,容易受到犯罪时间模糊性的影响。以某市的入室盗窃案件为样本,从报案时间和时段概率两个角度研究犯罪时间的分布特征。从结果来看,基于报案时间和时段概率的犯罪时间分布具有相同的统计分布特征,但在分布的集中度上存在着差别,主要表现为基于报案时间的时段分析容易低估夜间发案的可能性。在案发时间推断方面,基于时段概率的分析方法能够提供一种较为合理的解决方案,为公安部门进行警务工作提供有效的依据。

大数据时代犯罪分析的理论基础、要素体系与分析模式

在大数据时代下,犯罪分析面临的数据类型繁杂、体量庞大,梳理与建立犯罪分析工作中的数据要素体系与分析模式对提升公安情报工作的质量、最终实现犯罪分析的智能化应用具有重要的现实意义。基于环境犯罪学的理论视角,对犯罪分析进行了系统化梳理,将犯罪分析分为了案件、人员、环境等要素特征集合,并分别归纳了三类要素的数据构成及其内在的关联关系。将犯罪分析分为了还原式和预测式两种基本模式。提出了大数据背景下开展犯罪分析所面临的问题及相应的解决对策。